北京,2020年5月21日——企业级混合云服务商青云QingCloud日前宣布,其容器公有云服务QKE(QingCloud KubeSphere Engine)再次升级,新增GPU计算节点与CPU指令集配置,可以更轻松地处理大规模并发计算,高效、低延迟地完成推理类场景、深度学习、机器学习、图像识别中的计算任务,轻松承载AI人工智能应用的开发与运行。基于此,青云QingCloud将为企业构建AI生态提供更为坚实的基础支撑。
随着数字经济的不断发展, 企业数字化已经是大势所趋。因此,企业需要更为灵活、敏捷的IT架构,帮助自己重构开发运维流程,最大程度提高应用开发效率并降低IT生产环境运维成本。同时,容器技术日渐兴起,有效联合了过去各自独立的IT开发与运维环节,切实帮助企业快速构建云原生应用,实现微服务和DevOps落地,从而加快业务创新迭代。
早在2016年,青云QingCloud便率先推出业界首创的、采用一套架构同时支持虚拟主机和容器主机的技术;2018年7月,青云QingCloud推出KubeSphere容器平台,并于同年12月13日开启公测,以帮助用户快速构建、部署与运维容器架构。2019年6月,青云QingCloud将KubeSphere在公有云平台交付,为企业提供容器云(QKE)服务。
青云QingCloud旗下KubeSphere容器平台基于Kubernetes构建,提供托管的原生Kubernetes集群、极简的人机交互实现CI/CD、微服务、以及集群运维管理,能够帮助用户实现极简开发、强劲支持和高效交付,从而更敏捷地构建云原生应用,并可一站式实现应用全生命周期的统一管理。KubeSphere容器平台一经问世便广受好评,在银行、保险、制造、互联网等行业的生产环境中都得以顺利部署应用并产生价值。
相较于原生的Kubernetes集群,KubeSphere提供了更多完善易用的开发工具集,能够实现极简开发、强劲支持和高效交付,可以帮助用户解除核心业务开发以外的平台工作负担。如果企业没有数据中心,则可以在QingCloud公有云上直接使用QKE,一站式获得从IaaS到PaaS的全栈容器服务。
此次QKE升级,一方面支持新增了GPU计算节点与CPU指令集的配置,能高效完成机器学习、深度学习、图像识别等AI计算任务,高性能地承载企业大规模并行计算需求。同时还新增无感热升级功能,通过滚动升级的方式,令主机在无需停机、应用无需停服的状态下完成升级,有效保障企业业务的连续性。
青云QingCloud作为一家以技术见长的企业级云服务商,认准了容器技术的价值与未来。在新基建浪潮下,青云QingCloud还将继续优化云端技术,加速企业云原生转型,并不断将技术沉淀与最佳实践融入到数字世界的愿景中,为容器生态的构建、人工智能时代的加速,以及数字世界的最终实现贡献力量。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。